在2019世界人工智慧大會期間的AI引擎“芯”未來峰會上，嘉楠科技顯得有些與眾不同。提到嘉楠科技在AI晶片的探索，就不能不提礦機。比特幣帶火了礦機，也為ASIC為代表的AI晶片提供了最初的實驗場。
“你看無論是做製藥還是基因工程，還是礦機，還是AI，核心其實是計算。我們這家公司就認為計算是改變世界的，能夠從量變到質變地改變世界——從摩爾定律來說，隨著計算力的提高，你原來不可能完成的任務，最終也會解決掉。”嘉楠科技CEO張楠賡說。
2016年是嘉楠科技第一代做到16奈米的晶片礦機，這讓張楠賡和他的夥伴們非常興奮，“那是個標誌性的事件，整個行業現在走到了當時半導體制程的最前沿，因為當時最好就是16奈米。”張楠賡在接受第一財經專訪時說。
興奮了一段時間，理工男的思維再度佔據上風：這個事如果拿來只做礦機比較可惜，還能用這個技術改變什麼？
做AI晶片：雲側還是端側
AI能做的事情可不少，從為新藥研發提供算力，到做手機晶片都曾經是嘉楠科技的考慮方向，但最終這些選擇都因“太不理智了”，而被放棄。“因為晶片的產量如果不達到一定規模，無論利潤有多高都會虧，這是行業的現狀”，落點最後還是迴歸到了計算本身。
當然，變化也在發生，計算效能的提高速度在放緩。曾經人們更換手機為了有著提速，但如今效果不再明顯。當絕對效能上不去以後，人們把目光投向了架構上的變革。“AI其實是好多因素綜合在一起，比如說原來演算法是沒有的，然後現在演算法逐漸趨於解決，然後原來有了演算法也沒有用，因為沒有計算力。”
那麼AI晶片的方向是雲還是端？
根據賽迪股份有限公司釋出的《中國AI晶片產業發展白皮書》，按銷售額來看，雲端訓練晶片佔比51.5%，雲端推斷晶片為25.6%，終端推斷晶片為18.7%，銷售額分別為41.5億元、20.7億元和18.7億元。
做雲端比較成功的都是大公司，比如英偉達、英特爾、華為、阿里等等。規模不夠大的公司走雲端晶片之路則險象環生，“因為沒有場景，你發現你的產品在和大公司競爭，你的優勢在某些方面很大，比如說功耗可以很低，或者可以賣得便宜，但是這和成本低是兩回事，對吧？”嘉楠科技最終選擇了做端側晶片。
張楠賡把選擇端作為方向歸結為“其實跟做礦機有關係，當時發現軟體人員並不知道。一個演算法固化到硬體裡以後，能夠帶來多大程度的效能提升。這個大家心裡沒譜。礦機是一個極致，因為礦機是一個專用為計算的一個機制。”
他堅信，AI可以把計算能力推到一個難以企及的高度，並把關注點放在了端側，一個他描述為“距離感測器一英寸的地方”。
“端側應該是有潛力的，雲也可以，以後肯定是一個端雲結合的一個方向，這沒有問題。以目前業界來看，大家對雲和端的定義並不明確，行業仍處於早期。我跟業內這些人聊完以後，最後結論就是，我覺得你說的特別有道理，然後他覺得你說得也特別有道理，但是走著瞧，我不會因為你說了我就改，但是我覺得你說的很有道理。”
找場景：怎麼賣晶片？
樸素，是張楠賡用來形容第一代產品勘智Kendryte（產品型號：K210）的關鍵詞——“我們樸素地實現一個神經網路加速器，樸素地把這些我們的外側加進去，我們很樸素，做一顆晶片人很少沒幾個人，然後做完以後去看一看當時的市場會對晶片有一個什麼反應。 ”這款晶片定位於人工智慧與邊緣計算兩個領域，主要用於IoT市場。第一代晶片的客戶有系統整合商，也與高校有合作專案，涵蓋了包括農業、智慧樓宇等垂直場景。
指望第一代的AI晶片商業化成功，當然不太現實，現實情況是面臨著多番挑戰。“我們沒有人知道這種晶片該怎麼賣，因為這是一個真的是一個端側的純AI的一顆晶片，它不是它的賣點，是AI而不是別的，你看別的晶片都是說我是一個什麼晶片，然後我現在有了一個AI的功能，別的晶片有原來的場景，但這個不是，這是圍繞著AI做一個晶片。”張楠賡說。
也正因此，他無意切割礦機業務和現在AI晶片的關係。他提到，在封裝新技術的推廣上，量大的礦機晶片成為了提升工藝的動能。與此同時，由於礦機行業是沒有計劃，晶圓製造廠不喜歡突發性的需求，就形成了業內對礦機廠商愛恨交織的情感。“礦機這個業務是現金的支援，我在計算這邊的積累全是來自於礦機。”
怎麼才能夠讓晶片賣出去以後還能夠帶來持續收入，甚至不僅僅依賴於晶片本身的收入？
他們經歷了多番的嘗試，最開始，把相關文件做成一本手冊放到網上供開發者取用。第一財經在Github上查到了最初的文件，但這個專案並沒有引起社羣的廣泛關注，“它對使用者的技術要求實在是太高了，你需要嵌入式程式設計，你需要懂AI，你需要模型需要訓練，你要有資料……這是不可能的”。
嘉楠科技的強項顯然不是演算法和軟體，卻也硬著頭皮從零做起，推出了相應的概念產品，一個月後的人臉識別的速度達到了“給別人看都不信的地步”。慢慢的，從賣晶片、演算法、軟體進而是硬體模組、OEM產品、後臺……嘉楠科技摸索成了一套完整的系統方案。
嘉楠科技最早尋找的AI落地場景是讓攝像頭不用回傳影片就能實現推理。舉個例子，透過攝像頭識別的門禁範圍，WiFi會把多個攝像頭連到一個控制的一個不需要過多計算能力的計算機上，透過WiFi傳遞哪些攝像頭可以允許人透過的命令。在攝像頭端就能把人臉資訊的特徵值做到大概只有一百多個位元組，然後下發到允許透過的其他攝像頭上，就完成了門禁的部署。這套系統的推理都全部都在攝像頭裡執行。類似地，這樣的場景還有智慧門鎖、智慧電網和新零售。
“我去深圳去跑這些客戶和生產商的時候，他們也很驚訝，覺得很需要一個類似於這樣的晶片，但是並沒有。”張楠賡得出了兩個結論，一個是AI晶片是特別有前途的；另一個是，整個設計技術鏈條太長了，晶片、裝置、AI演算法、軟體和SAAS平臺做下來快要利盡而亡，需要尋找深度的合作伙伴。
相比於知名友商對9個月速度迭代的要求，張楠賡把期限放寬在一年，同時表示，明年開始會分開路線，就是高階產品線和普通產品線，“我發現很多事其實不用那麼高，計算能力稍微縮一縮，成本更低一些。”
（本文來源第一財經）
